想象一下，通过观看视频教程学习一种新的编程语言。你需要暂停视频，应用代码中所说的内容，然后继续观看。这就是并发性。

现在你是一名职业程序员了。你喜欢在编码时听平静的音乐。这就是平行主义。

正如Andrew Gerrand在GoLang博客中所说

并发是指同时处理许多事情。相似一次做很多事情。

享受

它们解决不同的问题。并发性解决了CPU资源稀缺和任务多的问题。因此，您可以通过代码创建线程或独立的执行路径，以便在稀缺资源上共享时间。直到最近，由于CPU的可用性，并发性一直是讨论的焦点。

并行性解决了找到足够的任务和适当的任务（可以正确分割的任务）并将它们分配到大量的CPU资源上的问题。当然，并行性一直都存在，但由于多核处理器非常便宜，所以它正走到最前沿。

并发性=>在共享资源的重叠时间段内执行多个任务时（可能最大化资源利用率）。

并行=>当单个任务被划分为可以同时执行的多个简单的独立子任务时。

我将提供一个与这里的一些流行答案有点冲突的答案。在我看来，并发是一个包含并行性的通用术语。并发适用于不同任务或工作单元在时间上重叠的任何情况。并行性更具体地适用于在同一物理时间评估/执行不同工作单元的情况。并行性存在的原因是加速了可以从多个物理计算资源中受益的软件。适用于并发的另一个主要概念是交互性。当从外部世界可以观察到任务的重叠时，互动性适用。交互性存在的原因是使软件能够响应真实世界的实体，如用户、网络对等体、硬件外围设备等。

并行性和交互性几乎完全独立于并发性。对于一个特定的项目，开发人员可能会关心其中之一，或者两者都不关心。它们往往会被混淆，尤其是因为线程这一令人厌恶的东西给了一个相当方便的原语来实现两者。

关于并行性的更多细节：

并行性存在于非常小的规模（例如处理器中的指令级并行性）、中等规模（例如多核处理器）和大型规模（例如高性能计算集群）。近年来，由于多核处理器的发展，软件开发人员暴露更多线程级并行性的压力越来越大。平行性与依赖性密切相关。依赖性限制了并行性的实现程度；如果一个任务依赖于另一个任务，则两个任务不能并行执行（忽略推测）。

程序员可以使用许多模式和框架来表达并行性：管道、任务池、数据结构上的聚合操作（“并行数组”）。

关于互动性的更多细节：

最基本和最常见的交互方式是使用事件（即事件循环和处理程序/回调）。对于简单的任务，事件是很好的。尝试使用事件执行更复杂的任务会导致堆栈撕裂（也称为回调地狱；也称为控制反转）。当你厌倦了事件时，你可以尝试更奇特的东西，比如生成器、协程（又称Async/Await）或合作线程。

出于对可靠软件的热爱，如果你想要的是交互性，请不要使用线程。

曲线几何非线性

我不喜欢Rob Pike的“并发不是并行；它更好”口号。并发既不比并行好，也不比并行差。并发性包括交互性，不能以更好/更差的方式与并行性进行比较。这就像说“控制流比数据更好”。

太好了，让我用一个场景来展示我的理解。假设有三个孩子：A，B，C。A和B说话，C听。对于A和B，它们是平行的：A： 我是A。B： 我是B。

但对于C来说，他的大脑必须同时进行听A和B的过程，这可能是：我是我A是B。

并发编程关注的是看似重叠的操作，主要关注的是由于非确定性控制流而产生的复杂性。与并发程序相关的定量成本通常是吞吐量和延迟。并发程序通常受IO限制，但并不总是如此，例如并发垃圾收集器完全在CPU上。并发程序的教学示例是网络爬虫。该程序启动对网页的请求，并在下载结果可用时同时接受响应，从而累积一组已访问的网页。控制流是非确定性的，因为每次运行程序时，响应不一定以相同的顺序接收。这种特性会使调试并发程序变得非常困难。有些应用程序基本上是并发的，例如web服务器必须同时处理客户端连接。Erlang可能是未来最有前途的高度并发编程语言。并行编程涉及为提高吞吐量的特定目标而重叠的操作。通过使控制流具有确定性，避免了并发编程的困难。通常，程序生成并行运行的子任务集，父任务仅在每个子任务完成后才继续。这使得并行程序更容易调试。并行编程的难点是针对粒度和通信等问题的性能优化。后者在多核环境中仍然是一个问题，因为将数据从一个缓存传输到另一个缓存会产生相当大的成本。密集矩阵矩阵乘法是并行编程的一个教学示例，它可以通过使用Straasen的分治算法和并行攻击子问题来有效地解决。Cilk可能是共享内存计算机（包括多核）上最有前途的高性能并行编程语言。

从我的回答中复制：https://stackoverflow.com/a/3982782